А вот Билл Гейтс молодец! Всё расписал очень достойно и содержательно.

Выделил нам ключевые идеи:

1. AI может как сильно улучшить нашу жизнь, так и увеличить неравенство. Но хороший сценарий сам по себе не воплотится. Надо всем профессиональным сообществом сфокусироваться и спроектировать этот переход.

2. Рабочих мест станет значительно меньше, чем сегодня. А исторические аналогии с предыдущими технологическими революциями, когда взамен исчезнувшей работе появлялась новая — ошибочны.

3. Проблемой станет не только потеря дохода: профессия даёт людям статус, социальные связи, ощущение собственной полезности и контроля над жизнью, и это невозможно полностью компенсировать деньгами.

4. Доверять институциональные решения самим AI-компаниям нельзя — у них нет ни нужной экспертизы, ни права самостоятельно определять, как общество должно адаптироваться к технологии.

5. Какую-то работу надо заранее зарезервировать за людьми. Даже когда AI научится делать её лучше, дешевле и эффективнее — Гейтс называет это «Human Reserved».

6. «Human Reserved» не обязательно должно реализовываться через полный запрет на автоматизацию: где-то её нужно будет замедлить, где-то сохранить часть задач только для людей, а где-то проектировать «AI-augmentation».

7. Эффективность не может быть единственным критерием целесообразности: если AI действительно сильно увеличит производительность, настолько, что мы явно почувствуем экономический эффект — часть этих денег можно тратить на сохранение человеческой работы.

8. Налоговая система будет подталкивать бизнес заменять людей на AI, поэтому пора начать всерьез обсуждать налоги на роботов и токены. И направлять эти деньги на переобучение и поддержку тех, кто потеряет работу.

9. Конъюнктура будет ускорять автоматизацию: как только одна компания сможет с помощью AI заметно снизить издержки, её конкурентам придётся делать то же самое. Поэтому рассчитывать, что переход естественным образом растянется на десятилетия, не приходится.

В комментариях пдф с переводом всего текста.

→ https://www.gatesnotes.com/home/home-page-topic/reader/a-turbulent-ai-era-and-critical-choices-to-make

Как оценить способность
работать в неопределенности?

Если для менеджера умением справляться с неопределенностью является одним из ключевых навыков, то как его можно было бы заранее оценить?

Stanford d.school придумали опросник из 20 вопросов. 10 из них оценивают Ambiguity Attitude, и ещё 10 — Ambiguity Actions.

Я эти вопросы перевёл и выложил пдф в комментариях. Кажется этим и правда можно пользоваться. По крайней мере для быстрой поверхностной оценки.

Подробное описание теоретической основы и фреймворка можно прочитать в этой статье: «Assessing the ability to navigate ambiguity: An essential skill for imagining possible futures».

Что там интересного?

1. Они выяснили, что можно уверенно чувствовать себя в неопределённости — и при этом не уметь с ней работать. И наоборот.

То есть это два отдельных психологических свойства. Поэтому они и разделили опросник на Attitude и Actions.

2. Умение работать с неопределенностью можно тренировать. Оно опирается на две ключевых компетенции:

Interpreting what is — эффективный анализ неполной информации и рапознавание неочевидных паттернов.

Envisioning what could be — способность генерировать множество вариантов развития событий.

Обратите внимание, что у d.school есть ещё целая Library of Ambiguity.

Друзья, напоминаю, что на сайте the-future-of-work.ru можно посмотреть актуальные репорты и исследования. Вчера обновили данные за август. Это + 25 документов.

На какие я бы обратил внимание в первую очередь:

1. Рынок искусственного интеллекта России (AIANA)

2. HR-тренды 2026 (Kept)

3. Трансформация профессиональных компетенций под влиянием ИИ: взгляд разработчиков (ВШЭ)

4. The state of AI in 2026: On the road to ROI (McKinsey)

5. AI-First Companies Win the Future (BCG)

Весь список: https://the-future-of-work.ru/reports

Где проходит граница?

Посмотрите какая любопытная статья. Посвящённая одному из ключевых вопросов техно-трудовой повестки: на чём должна строиться методология определения границ между автоматизированным и человеческим?

Авторы предлагают три фактора, почему человек всё ещё важен и нужен в рабочем процессе, даже при таком интенсивном масштабировании возможностей AI:

1. Technical

Человек приносит то, чего пока нет у AI: опыт, контекст, физическое восприятие и сложное движение, специфические способы мышления.

Но мы также видим, что этот фактор очень подвижный. И напрямую зависит от развития технологии. Если AI научится воспроизводить нужную способность или получать тот же результат другим способом, человеческое участие можно убрать.

2. Normative

Деятельность, где участие человека определяется нормативными атрибутами: ответственностью, отношениями, авторством, оценками.

То есть здесь важно не то, может ли AI сделать работу, а какой социальный контекст и обязательства вокруг этой работы возникают.

Соответственно, для полного цикла подобных задач у технологий должен быть социальный и этический статус.

3. Emergence

Есть особый тип работы и задач, где невозможно заранее определить образ результата и критерии оценки. Они раскрываются в процессе, когда человек взаимодействует с промежуточными вариантами, прототипами и альтернативами.

Это ключевая концепция статьи — идея Target Emergence. Где у человека ведущая роль. И её пока никак не автоматизировать.

Target Emergence состоит из Revelation (определение цели), Refinement (уточнение и операционализация) и Constitution (переформулирование цели и критериев успеха).

Вывод такой: машине можно доверить экзекьюшен, но создавать видение и цель — это прерогатива человека.

В комментариях аудио-саммари и оригинал статьи.

→ https://arxiv.org/abs/2607.21547